SINS辅助GPS跟踪环路超紧耦合系统设计

为了提高GPS(Global Positioning System)在高动态条件下的跟踪性能并为SINS(Strapdown Inertial Navigation System)提供精确、可靠的修正信息,提出了一种SINS辅助GPS超紧耦合导航方案.针对高动态条件下载波跟踪性能不佳的问题,利用SINS速度信息为载波环提供多普勒频率辅助,从而降低了载体动态对载波环的影响.此外,将载波环跟踪误差扩充为组合系统的状态变量,并建立了载波环跟踪误差、伪距率量测误差与惯导误差之间的关系模型,从而消除了引入SINS辅助信息导致的量测相关问题.仿真验证表明:超紧耦合系统不仅能够有效地提高跟踪环路的噪声抑制能力和动态跟踪性能,而且可以显著地改善组合滤波器的误差估计精度.     

星图运动模糊及其复原方法

研究了载体角运动及振动对星敏感器成像的影响,推导并建立了不同飞行状态下星图模糊的数学模型.在此基础上讨论了多重运动模糊机理,提出采用分步复原方案去除多重星图模糊,以保证高动态环境下星敏感器工作的精确性及稳定性.仿真结果表明,载体运动造成的星体质心提取误差与具体运动形式及参数有关,并通过比较复原前后星敏感器的定姿效果,验证了模糊星图分步复原方法的有效性.      

一种惯导系统快速对准模型和方法

从控制论的观点探讨了实现惯性导航系统(INS)快速对准及标定的途径及方法.通过引入李雅普诺夫变换,论证了SINS(Strapdown Inertial Navigation System)模型与GINS(Gimbaled Inertial Navigation System)模型的等价关系;通过基于物理本质的相似变换,提出了用伪状态来代替真实状态,从而使INS的可观测状态和不可观测状态之间动态解耦,得到了INS的最佳完全可观测子系统模型;通过对INS可观测子系统模型的简化,提出了一种快速估计方位失准角和标定陀螺仪漂移误差的方法,该算法表明方位失准角和陀螺仪的漂移误差完全可从水平失准角速率中快速估计出来,而不必使用陀螺的输出信号.      

基于最优估计神经网络的惯导系统初始对准研究

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法，对此算法进行了详细的推证，并将该算法运用到惯导系统的初始对准过程。仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性，既可获得与卡尔曼滤波器相同的对准精度，又提高了系统的实时性。从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法。     

一种新的SINS动基座误差模型及其应用研究

研究了一种新的捷联惯导系统（SINS）动基座误差模型及载体动基座对准时的最优机动方式问题。提出利用李雅普诺夫变换建立了一种易于进行分析的SINS动基座误差模型，同时论证了SINS与平台式惯导系统（GINS）模型的等价关系。应用分段定常系统可观测性分析理论和奇异值分析法，深入研究和详细分析了载体的不同机动方式对SINS可观测性的影响，定量地得到了各种机动方式下系统状态的可观测度。研究结果表明，在SINS动基座对准过程中，同时改变俯仰角、横滚角和航向角的俯冲转弯横滚角变化是一种最佳的机动方式，计算机仿真结果验证了该机动方式的有效性。这为进行SINS动基座快速精确对准方法研究提供了理论参考。     

光纤陀螺随机漂移误差补偿适用性方法

针对传统方法在建立时间序列模型基础上应用卡尔曼滤波器去除陀螺随机噪声误差的缺陷,提出了一种适于在线补偿光纤陀螺FOG(Fiber Optic Gyrosope)随机误差的滤波方法.当建立的时间序列模型系数出现偏差时,通过引入虚拟噪声,来补偿滤波过程由于系统模型时变和未知噪声而引入的误差,实现了对陀螺随机漂移误差的高精度滤波处理.其次,利用Allan 方差分析法分离并确定了光纤陀螺的主要随机误差源,并对建立的光纤陀螺时间序列模型及滤波方法的适用性及精度进行了评估.通过对光纤陀螺实测数据的分析表明,速率斜坡、速率随机游走和零偏稳定性为FOG的主要随机噪声,所提出的自适应滤波算法能够适应陀螺漂移的时变特点,是一种有效的去除光纤陀螺随机漂移噪声方法.      

机抖激光陀螺误差输出特性的分析

抖动机构作为机抖激光陀螺的关键环节,其参数的选择直接影响着机抖激光陀螺的误差输出特性.为了在陀螺设计时选择最佳抖动参数,提高机抖激光陀螺的测量精度,根据抖动偏频的基本原理,对抖动参数对机抖激光陀螺的偏置误差、刻度因子误差、角度随机游走误差的影响进行了深入分析.结果表明:机抖激光陀螺的偏置误差随着抖动幅度的减小而减小;在一定范围内刻度因子误差随着抖动幅度的增大而增大,超出这个范围随着抖动幅度的增大而减小;减小抖动角幅度可减小角度随机游误差.